多视图图像三维重建若干关键技术研究.pdf

多视图图像三维重建若干关键技术研究.pdf

ID:34536406

大小:9.62 MB

页数:117页

时间:2019-03-07

多视图图像三维重建若干关键技术研究.pdf_第1页
多视图图像三维重建若干关键技术研究.pdf_第2页
多视图图像三维重建若干关键技术研究.pdf_第3页
多视图图像三维重建若干关键技术研究.pdf_第4页
多视图图像三维重建若干关键技术研究.pdf_第5页
资源描述:

《多视图图像三维重建若干关键技术研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、论文题目多视图图像三维重建若干关键技术研究学科专业计算机应用技术学号200810602019作者姓名周骏指导教师陈雷霆教授万方数据分类号密级注1UDC学位论文多视图图像三维重建若干关键技术研究(题名和副题名)周骏(作者姓名)指导教师陈雷霆教授电子科技大学成都(姓名、职称、单位名称)申请学位级别博士学科专业计算机应用技术提交论文日期2013.03.15论文答辩日期2013.06.012012.12学位授予单位和日期电子科技大学2013年06月23日答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。万方数据RESEARCHONSOMEKEYISSUESFOR3DR

2、ECONSTRUCTIONUSINGMULTI-VIEWIMAGESADoctorDissertationSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerApplicationAuthor:JunZhouAdvisor:Prof.LeitingChenSchool:SchoolofComputerScinece&Engineering万方数据万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方

3、外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名:日期:年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后应遵守此规定)作者签名:导师签名:日期:年月日万方数据万

4、方数据摘要摘要多视图图像三维重建技术就是从图像或图像序列中获取场景及场景中对象的三维模型,是计算机图形学和计算机视觉领域解决三维建模的手段之一,它对提高三维真实感建模及实时大规模复杂场景三维建模有非常重要的现实意义。目前其研究成果已应用于医学成像、数字化城市、机器人自主导航及数字娱乐等领域。但多视图图像三维重建技术仍未成熟,在实际应用中还存在诸多问题。本文围绕多视图图像三维重建的关键技术进行研究和探讨,为多视图图像三维重建提供一些有效的解决方案,主要研究内容包括图像特征的提取与匹配,多视图几何约束关系的计算,鲁棒性参数模型的估计,场景结构和摄像机运动的恢复,稠密表面的估计

5、。本文的主要创新点如下:(1)提出一种新的差分形态分解(DifferentialMorphologicalDecomposition,DMD)特征检测和描述算法。该算法通过研究尺度空间理论的多尺度特征检测算法的不足,利用差分形态分解构造金字塔尺度空间,去除噪声和边缘信息的干扰,并在不同的尺度图像上运用Harris算子,检测出尺度图像上的特征点。然后将特征点进行分组,确保每组特征点只描述图像的一个局部结构。在每一组中,本文根据空域内变化最强的角点值,同时加上尺度域的高斯拉普拉斯函数(LaplacianofGaussian,LoG)值来选择唯一的特征点来代表图像的局部结构。最

6、后运用PCA-SIFT方法对特征进行描述。实验表明该算法在尺度变换、模糊变换和亮度变换的情况下,对局部不变特征点的检测和描述都取得了较好的效果。(2)提出基于序贯概率检测(SequentialProbabilityRatioTest,SPRT)及局部优化技术的随机抽样一致性(RandomSampleConsensus,RANSAC)算法。针对模型参数估计的速度和精度问题,本文对RANSAC算法进行了优化和改进。在RANSAC算法模型参数检验阶段,利用SPRT来对模型进行预检验,先在数据集上随机的抽取少量的数据点,并在这些数据点上执行对模型的统计检验;只有当初始的预检验通过

7、,才在所有的数据点上执行对模型的最终检验,否则不再对此模型进行检验。该方法优化了模型检验过程,节约了大量数据对模型的检验,提高了RANSAC算法的速度。同时,当完成所有数据对模型的检验后,计算出与模型相一致的数据点。在得到所有可能的数据点集后,本文采用局部优化技术,在得到的数据点集上局部执行RANSAC算法,由于此时的数据点集绝大多数与模型I万方数据摘要相一致,因而精度得到提高。实验表明,本文提出的基于SPRT和局部优化技术的RANSAC算法运行速度和精度得到明显的提高。(3)提出基于块预处理和嵌入点迭代(EmbeddedPo

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。